Optimasi Seleksi Aturan Untuk Rekomendasi Bundling Produk Melalui Kombinasi Algoritma Apriori dan Utility Weighted Score (UWS)
Penelitian ini tidak hanya bertujuan untuk memperbaiki Algoritma Apriori (AA) dalam metode Association Rules Mining (ARM) tetapi juga mengusulkan suatu solusi alternatif untuk model rekomendasi bundling produk bagi ritel. Problem pemetaan biner dengan pemangkasan aturan yang sering menghilangkan...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Departement of Electrical Engineering, Faculty of Engineering, Universitas Brawijaya
2018-01-01
|
| Series: | Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) |
| Online Access: | https://jurnaleeccis.ub.ac.id/index.php/eeccis/article/view/326 |
| _version_ | 1827773636364206080 |
|---|---|
| author | Ichsan Fahmi hadi suyono Moechammad Sarosa |
| author_facet | Ichsan Fahmi hadi suyono Moechammad Sarosa |
| author_sort | Ichsan Fahmi |
| collection | DOAJ |
| description | Penelitian ini tidak hanya bertujuan untuk memperbaiki Algoritma Apriori (AA) dalam metode Association Rules Mining (ARM) tetapi juga mengusulkan suatu solusi alternatif untuk model rekomendasi bundling produk bagi ritel. Problem pemetaan biner dengan pemangkasan aturan yang sering menghilangkan produk yang potensial coba diatasi dengan tambahan parameter UWS. Perbaikan ini sekaligus berdampak pada kualitas bundling produk yang direkomendasikan. Optimasi dilakukan pada aturan yang dihasilkan oleh AA dengan parameter U_gain dan W_gain yang merupakan representasi dari berbagai atribut produk[1]. Quantity dan profit adalah bagian dari atribut item produk yang akan digunakan dalam penelitian ini. Hasil pengujian dengan menggunakan data Point of Sales (POS) menunjukan adanya perbaikan aturan. Jika menggunakan AA konvensional, aturan yang dihasilkan sering tidak mengandung item yang potensial. Hal ini karena proses seleksi ulang dengan level confidence yang lebih kritis sering menghilang aturan dengan item yang potensial. Pada sisi yang lain, sejumlah aturan yang dihasilkan sering tidak mengandung item produk yang berkualitas. Optimasi dilakukan dengan mengubah parameter minimum transaksi, minimum support dan minimum confidence yang dikombinasikan dengan perhitungan U_gain dan W_gain untuk mendapatkan aturan yang menghasilkan nilai maksimal.
 |
| first_indexed | 2024-03-11T13:25:38Z |
| format | Article |
| id | doaj.art-a7cb9edc200b4b3685a6d8267659f024 |
| institution | Directory Open Access Journal |
| issn | 2460-8122 |
| language | English |
| last_indexed | 2024-03-11T13:25:38Z |
| publishDate | 2018-01-01 |
| publisher | Departement of Electrical Engineering, Faculty of Engineering, Universitas Brawijaya |
| record_format | Article |
| series | Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) |
| spelling | doaj.art-a7cb9edc200b4b3685a6d8267659f0242023-11-03T07:20:29ZengDepartement of Electrical Engineering, Faculty of Engineering, Universitas BrawijayaJurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems)2460-81222018-01-01102596210.21776/jeeccis.v10i2.326197Optimasi Seleksi Aturan Untuk Rekomendasi Bundling Produk Melalui Kombinasi Algoritma Apriori dan Utility Weighted Score (UWS)Ichsan Fahmi0hadi suyono1Moechammad Sarosa2Magister Teknik Elektro, Fakultas Teknik, Universitas Brawijaya MalangDosen Program Studi Magister Teknik ElektroUniversitas Brawijaya, Malang, IndonesiaDosen Program Studi Magister Teknik Elektro Universitas Brawijaya, Malang, IndonesiaPenelitian ini tidak hanya bertujuan untuk memperbaiki Algoritma Apriori (AA) dalam metode Association Rules Mining (ARM) tetapi juga mengusulkan suatu solusi alternatif untuk model rekomendasi bundling produk bagi ritel. Problem pemetaan biner dengan pemangkasan aturan yang sering menghilangkan produk yang potensial coba diatasi dengan tambahan parameter UWS. Perbaikan ini sekaligus berdampak pada kualitas bundling produk yang direkomendasikan. Optimasi dilakukan pada aturan yang dihasilkan oleh AA dengan parameter U_gain dan W_gain yang merupakan representasi dari berbagai atribut produk[1]. Quantity dan profit adalah bagian dari atribut item produk yang akan digunakan dalam penelitian ini. Hasil pengujian dengan menggunakan data Point of Sales (POS) menunjukan adanya perbaikan aturan. Jika menggunakan AA konvensional, aturan yang dihasilkan sering tidak mengandung item yang potensial. Hal ini karena proses seleksi ulang dengan level confidence yang lebih kritis sering menghilang aturan dengan item yang potensial. Pada sisi yang lain, sejumlah aturan yang dihasilkan sering tidak mengandung item produk yang berkualitas. Optimasi dilakukan dengan mengubah parameter minimum transaksi, minimum support dan minimum confidence yang dikombinasikan dengan perhitungan U_gain dan W_gain untuk mendapatkan aturan yang menghasilkan nilai maksimal. Âhttps://jurnaleeccis.ub.ac.id/index.php/eeccis/article/view/326 |
| spellingShingle | Ichsan Fahmi hadi suyono Moechammad Sarosa Optimasi Seleksi Aturan Untuk Rekomendasi Bundling Produk Melalui Kombinasi Algoritma Apriori dan Utility Weighted Score (UWS) Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) |
| title | Optimasi Seleksi Aturan Untuk Rekomendasi Bundling Produk Melalui Kombinasi Algoritma Apriori dan Utility Weighted Score (UWS) |
| title_full | Optimasi Seleksi Aturan Untuk Rekomendasi Bundling Produk Melalui Kombinasi Algoritma Apriori dan Utility Weighted Score (UWS) |
| title_fullStr | Optimasi Seleksi Aturan Untuk Rekomendasi Bundling Produk Melalui Kombinasi Algoritma Apriori dan Utility Weighted Score (UWS) |
| title_full_unstemmed | Optimasi Seleksi Aturan Untuk Rekomendasi Bundling Produk Melalui Kombinasi Algoritma Apriori dan Utility Weighted Score (UWS) |
| title_short | Optimasi Seleksi Aturan Untuk Rekomendasi Bundling Produk Melalui Kombinasi Algoritma Apriori dan Utility Weighted Score (UWS) |
| title_sort | optimasi seleksi aturan untuk rekomendasi bundling produk melalui kombinasi algoritma apriori dan utility weighted score uws |
| url | https://jurnaleeccis.ub.ac.id/index.php/eeccis/article/view/326 |
| work_keys_str_mv | AT ichsanfahmi optimasiseleksiaturanuntukrekomendasibundlingprodukmelaluikombinasialgoritmaaprioridanutilityweightedscoreuws AT hadisuyono optimasiseleksiaturanuntukrekomendasibundlingprodukmelaluikombinasialgoritmaaprioridanutilityweightedscoreuws AT moechammadsarosa optimasiseleksiaturanuntukrekomendasibundlingprodukmelaluikombinasialgoritmaaprioridanutilityweightedscoreuws |